AI 訓練踩坑：10% 標籤錯位讓準確率從 96% 降至 89.3%

2026 年 11 月 10 日，部落格園上有一位 AI 工程師釋出文章，分享了自己的實驗經歷。他發現，在打亂資料的時候，由於 X/y 沒有同步操作，造成了標籤和影像錯位。即便程式碼本身沒有任何問題，訓練 loss 也能夠正常下降，但僅僅 10% 的錯位，就讓準確率從 96% 掉到了 89.3%。

作者把這種現象形容成模型在“背錯答案”，意思是模型學到了錯誤資料中的圖案和錯誤答案的關聯。實驗的結果也表明，訓練 loss 沒辦法反映出資料對齊存在的問題。為了能夠用較低成本排查這類問題，作者提出了“抽樣視覺化 + 雜湊校驗”這兩道防線，用在訓練之前。

這篇報道是關於這件事目前能找到的唯一一篇，之後有沒有後續進展，材料裡並沒有提到。